即刻App年轻人的同好社区
下载
置顶最近把自己的AI 工作台系统整理了一下，越整理越觉得，这件事可能就是我想要长期做下去的一份事业。
过去两个月，我一直在基于自己的产品经理日常工作，搭建一套 PM AI 工作台。
然后猛然发现， 可以把它结合PKM系统，升级为整个人生的AI工作台
今年试用了太多Agent工具了：
Claude Code、Codex、龙虾、、hermes、WorkBuddy、悟空、Cursor、Zcode、Kimicode、Minimaxcode、 trae work···
工具试得越多，我越确定一件事：
AI 时代，最值得长期积累的，不是某一个 AI 工具，而是你自己的上下文资产
因为工具会换，模型会变，平台也会变。
真正属于你的，是你积累过的知识、形成过的判断、正在推进的目标和任务、反复验证过的方法、独属于你的表达风格。
这些东西如果只是散落在笔记软件、微信收藏、浏览器标签页、网盘、聊天记录和 AI 对话里，它们就很难真正变成你的能力。
你明明积累了很多东西，但真正要写作、决策、做项目的时候，还是要重新翻、重新想、重新组织。
以前这是知识管理的问题。
AI 的出现，让这个问题第一次有机会被系统性解决。
AI 可以搜索你过往的笔记，也可以通过关键词、语义检索读到一部分内容。
但进一步的问题又出现了：AI「能搜到」不等于「会调用」。
它不知道哪些是你的稳定判断，哪些只是临时想法；不知道哪个文件是入口，哪个文件是过程材料；不知道这个任务应该先读目标、再读背景，还是先读方法论、再读历史产出。
对人来说，你读自己的笔记库，是带着长期记忆和隐含路径在读的。
但 AI 默认不知道。
所以我这段时间越来越明确：AI 时代真正重要的，不是把一堆资料扔给 AI，而是把自己的知识、目标、任务和工作流，整理成一套 AI 也能顺着路线读取的上下文系统。
这就是我说的「个人 AI 工作台」。
它更像是一套工作基础设施：
用本地文件夹和 Markdown 承载长期上下文；
用 Obsidian 作为呈现和导航界面；
再让支持读取文件或接入上下文的 AI 工具，比如 ChatGPT、Codex、Claude Code、WorkBuddy、Cursor，都能沿着同一套上下文接手任务，成为你的助手，参与真实工作。
我现在会把这套系统拆成三部分：
第一是认知输入系统，接住每天发生的输入，比如 DailyNotes、外部文章、读书笔记、课程笔记、当天想法。
第二是知识复利系统，把稳定、可复用的认知沉淀下来，比如 MOC、Card、方法、判断、原则、表达。
第三是目标域系统，承接真实任务和产出，比如产品工作、写作输出、小红书运营、商业交付、健身管理。
最简单理解就是：
输入要被接住。
认知要被沉淀。
任务要能产出。
结果还要能反哺系统。
这件事也刚好连接上了我过去几年的积累。
我折腾个人知识管理差不多 8 年，印象笔记、Bear、Obsidian、Roam Research、flomo、Logseq、Tana、heptabase……每一代 PKM 工具，都陪伴过我某一段时间。
同时，我主业做了 5 年多 B 端产品经理。这份职业真正训练我的，不只是写 PRD、画原型，而是在复杂系统里识别问题、拆解需求、理解流程、判断边界，把混乱的信息整理成一个可以运行的系统。
以前我一直在为企业设计复杂系统，也一直在为自己迭代知识管理系统。
但 AI 出现以后，我突然意识到：
一个人的知识管理系统，不能只给自己看了。
它还要能让 AI 接入、理解、调用，甚至参与真实工作。
所以接下来，我打算用自己正在运行的真实工作台做样本，持续拆解这套系统是怎么搭出来、怎么使用、怎么迭代的。
我不想只讲某个 AI 工具怎么玩。
我更想讲清楚：一个人如何在 AI 时代，把自己的知识、经验、思考和行动，沉淀成一套可连接、可复用、可进化的系统。
欢迎感兴趣的朋友一起讨论～
过去两个月，我一直在基于自己的产品经理日常工作，搭建一套 PM AI 工作台。
然后猛然发现， 可以把它结合PKM系统，升级为整个人生的AI工作台
今年试用了太多Agent工具了：
Claude Code、Codex、龙虾、、hermes、WorkBuddy、悟空、Cursor、Zcode、Kimicode、Minimaxcode、 trae work···
工具试得越多，我越确定一件事：
AI 时代，最值得长期积累的，不是某一个 AI 工具，而是你自己的上下文资产
因为工具会换，模型会变，平台也会变。
真正属于你的，是你积累过的知识、形成过的判断、正在推进的目标和任务、反复验证过的方法、独属于你的表达风格。
这些东西如果只是散落在笔记软件、微信收藏、浏览器标签页、网盘、聊天记录和 AI 对话里，它们就很难真正变成你的能力。
你明明积累了很多东西，但真正要写作、决策、做项目的时候，还是要重新翻、重新想、重新组织。
以前这是知识管理的问题。
AI 的出现，让这个问题第一次有机会被系统性解决。
AI 可以搜索你过往的笔记，也可以通过关键词、语义检索读到一部分内容。
但进一步的问题又出现了：AI「能搜到」不等于「会调用」。
它不知道哪些是你的稳定判断，哪些只是临时想法；不知道哪个文件是入口，哪个文件是过程材料；不知道这个任务应该先读目标、再读背景，还是先读方法论、再读历史产出。
对人来说，你读自己的笔记库，是带着长期记忆和隐含路径在读的。
但 AI 默认不知道。
所以我这段时间越来越明确：AI 时代真正重要的，不是把一堆资料扔给 AI，而是把自己的知识、目标、任务和工作流，整理成一套 AI 也能顺着路线读取的上下文系统。
这就是我说的「个人 AI 工作台」。
它更像是一套工作基础设施：
用本地文件夹和 Markdown 承载长期上下文；
用 Obsidian 作为呈现和导航界面；
再让支持读取文件或接入上下文的 AI 工具，比如 ChatGPT、Codex、Claude Code、WorkBuddy、Cursor，都能沿着同一套上下文接手任务，成为你的助手，参与真实工作。
我现在会把这套系统拆成三部分：
第一是认知输入系统，接住每天发生的输入，比如 DailyNotes、外部文章、读书笔记、课程笔记、当天想法。
第二是知识复利系统，把稳定、可复用的认知沉淀下来，比如 MOC、Card、方法、判断、原则、表达。
第三是目标域系统，承接真实任务和产出，比如产品工作、写作输出、小红书运营、商业交付、健身管理。
最简单理解就是：
输入要被接住。
认知要被沉淀。
任务要能产出。
结果还要能反哺系统。
这件事也刚好连接上了我过去几年的积累。
我折腾个人知识管理差不多 8 年，印象笔记、Bear、Obsidian、Roam Research、flomo、Logseq、Tana、heptabase……每一代 PKM 工具，都陪伴过我某一段时间。
同时，我主业做了 5 年多 B 端产品经理。这份职业真正训练我的，不只是写 PRD、画原型，而是在复杂系统里识别问题、拆解需求、理解流程、判断边界，把混乱的信息整理成一个可以运行的系统。
以前我一直在为企业设计复杂系统，也一直在为自己迭代知识管理系统。
但 AI 出现以后，我突然意识到：
一个人的知识管理系统，不能只给自己看了。
它还要能让 AI 接入、理解、调用，甚至参与真实工作。
所以接下来，我打算用自己正在运行的真实工作台做样本，持续拆解这套系统是怎么搭出来、怎么使用、怎么迭代的。
我不想只讲某个 AI 工具怎么玩。
我更想讲清楚：一个人如何在 AI 时代，把自己的知识、经验、思考和行动，沉淀成一套可连接、可复用、可进化的系统。
欢迎感兴趣的朋友一起讨论～
AI 时代，最值得积累的是你的上下文：我准备公开我的「AI 工作台系统」
18 02
workbuddy对GLM-5.3-flash的支持还真快，已经上线了
而且积分消耗倍率只有惊人的0.06x
相比之下
Deepseek-V4-Flash 是0.17x
Deepseek-V4-Pro 是 0.51x
真国产之光了
而且积分消耗倍率只有惊人的0.06x
相比之下
Deepseek-V4-Flash 是0.17x
Deepseek-V4-Pro 是 0.51x
真国产之光了
3 10
咱就是说，买了国外服务想退款
让codex帮忙联系客服 英文沟通退款
全程都是codex自己登录浏览器、联系 等对方消息 ，再草拟对应的回复发送
也算是很不错的AI使用案例了吧😂
唯一的问题就是这英文表达估计也很AI味，对面估计也知道
但不影响咱把事儿办成
让codex帮忙联系客服 英文沟通退款
全程都是codex自己登录浏览器、联系 等对方消息 ，再草拟对应的回复发送
也算是很不错的AI使用案例了吧😂
唯一的问题就是这英文表达估计也很AI味，对面估计也知道
但不影响咱把事儿办成
2 20
事实证明，当人懒到一定程度的时候就能发挥AI的巨大潜力
比如，刚发现我们的产品有问题，给测试同学反馈一下，但按流程要提bug；
但我真的太懒了，不想动弹 。
所以直接让codex直接读我钉钉刚给同事发的消息，然后去项目管理软件里面提单
and 钉钉的CLI真的好用，聊天记录都返回图片给AI读 这一点好评
比如，刚发现我们的产品有问题，给测试同学反馈一下，但按流程要提bug；
但我真的太懒了，不想动弹 。
所以直接让codex直接读我钉钉刚给同事发的消息，然后去项目管理软件里面提单
and 钉钉的CLI真的好用，聊天记录都返回图片给AI读 这一点好评
1 00
